从语料库中提取类似的单词

Question

我想从语料库中提取类似的单词。相似性基于字符串。即，当两个单词的字符串高度相似时，两个单词被提取为相似的单词。例如，如果语料库包含：Aras，bahro，arasis，adkpo，bah，aras sd，kio。

类似的话：

1- aras，arasis，aras sd

2- bahro，bah

如何解决这个问题？ 感谢。

Answer 1

Levenshtein distance是衡量两个单词序列之间差异的指标，也许您可​​以采用一系列单词并计算距离以了解它们是否相似。